MAF1731 - Microstructure and Trading Systems

B.Eng Financial Engineering

I.F. Carolina Flores Luelmo

Sept 2022 | Repository: Link

---

Lab 1

Capital Investment in Mexican Equity Market

---

Abstract

Este documento fue elaborado por **Carolina Flores Luelmo**, como un trabajo parcial para la materia de **Microestructura y Sistemas de Trading**, en el cuál presentaremos el laboratorio 1, que en este trabajo nos servirá como parte del curriculum de la licenciatura en Ingeniería Financiera, también nos ayudara para poder presentar portafolios de una manera ordenada y visual para él **USUARIO**. En el presente trabajo se plantea la respuesta a la siguiente pregunta: *¿Qué estrategia de inversión propondrías si tu trabajo fuera administrar 1 Millón de pesos?*

1. Introduction

---

Este Laboratorio se titula Inversión de Capital y forma parte del curso de Microestructura y Sistemas de Trading impartido en el ITESO por el docente Omar Villalobos. El objetivo principal de este proyecto parcial es responder: ¿Qué estrategia de inversión propondrías si tu trabajo fuera administrar $1$ millón de pesos? Dicho esto, es importante declarar que el laboratorio establece como alternativas a dos estrategias de inversión:

• Una de estilo pasiva, que busca replicar el desempeño del Índice de Precios y Cotizaciones que sirve como referencia de las compañías de alta capitalización que cotizan en el mercado de acciones mexicano.
• Y, por último, una de estilo activa, que se distancia del enfoque anterior para proponer un algoritmo que busque obtener mejores rendimientos que la media del mercado.

Ambas estrategias serán puestas a prueba para evaluar su desempeño y poder dar respuesta a la pregunta planteada, teniendo como prioridad en todo momento la apreciación de capital con el millón de pesos invertido.

2. Install/Load Packages and Depedencies

---

2.1 Python Packages

In order to run this notebook, it is necessary to have installed and/or have the requirements.txt file with the following:

• pandas>=1.1.1
• numpy>=1.19.1
• jupyter>=1.0.0
• yfinance>=0.1.55
• DateTime>=4.3
• statistics>=1.0.3.5
• matplotlib>=3.3.4

2.2 Files Dependencies

The following are the file dependencies that are needed to run this notebook:

• files/NAFTRAC_.csv

2.3 Install Packages

# Main functionality
import main

3. Passive Investment Strategy

---

Como bien se había mencionado, esta estrategia consiste en comprar acciones de las emisoras que componen al ETF NAFTRAC y evaluar su desempeño a lo largo del tiempo. Para esto es importante recalcar algunos supuestos importantes como el hecho de que se cuenta con un capital inicial de un millón de pesos, o que los costos por transacción son de un porcentaje fijo del $0.125\%$.

3.1 Data Description

# Passive strategy
df_passive, df_metrics, fig1, fig2, fig3 = main.lab_passive(naftrac_date = 20200131, capital = 1000000, comission = 0.125)
fig1

• Se observa que más del $50\%$ de la concentración del ETF NAFTRAC se encuentra en cinco emisoras: América Móvil (AMXL), Fomento Económico Mexicano (FEMSAUBD), Grupo Financiero Banorte (GFNORTEO), Walmart de México y Centroamérica (WALMEX.MX) y Grupo México (GMEXICOB). Por otra parte, las emisoras restantes tienen una ponderación menor al $5\%$ en el índice.

fig2

• Se observa que la mayoría de las emisoras del NAFTRAC pueden catalogarse dentro de $5$ sectores: productos básicos de consumo, comunicación, financiero, materiales e industrial.

3.2 Investment Results

A continuación el desempeño en temporalidad mensual de la estrategia de inversión pasiva.

# Results
df_passive

	Capital	Return	Cummulative Return
Date
2020-01-31	9.987921e+05	NaN	NaN
2020-02-28	9.370301e+05	-0.061837	-0.061837
2020-03-31	7.905443e+05	-0.156330	-0.208500
2020-04-30	8.357761e+05	0.057216	-0.163213
2020-05-29	8.317515e+05	-0.004815	-0.167243
2020-06-30	8.682459e+05	0.043877	-0.130704
2020-07-31	8.572860e+05	-0.012623	-0.141677
2020-08-31	8.553481e+05	-0.002261	-0.143617
2020-09-30	8.693475e+05	0.016367	-0.129601
2020-10-30	8.610065e+05	-0.009595	-0.137952
2020-11-30	9.772917e+05	0.135057	-0.021526
2020-12-31	1.028155e+06	0.052046	0.029399
2021-01-29	1.003669e+06	-0.023816	0.004883
2021-02-26	1.043708e+06	0.039892	0.044970
2021-03-31	1.103740e+06	0.057519	0.105075
2021-04-30	1.126971e+06	0.021048	0.128334
2021-05-31	1.199962e+06	0.064767	0.201413
2021-06-30	1.186654e+06	-0.011090	0.188089
2021-07-30	1.200448e+06	0.011624	0.201899
2021-08-31	1.259319e+06	0.049041	0.260842
2021-09-30	1.215926e+06	-0.034457	0.217397
2021-10-29	1.219237e+06	0.002723	0.220711
2021-11-30	1.191292e+06	-0.022920	0.192733
2021-12-31	1.274478e+06	0.069829	0.276019
2022-01-31	1.229759e+06	-0.035088	0.231246
2022-02-28	1.280379e+06	0.041162	0.281927
2022-03-31	1.360573e+06	0.062633	0.362219
2022-04-29	1.238904e+06	-0.089425	0.240402
2022-05-31	1.262397e+06	0.018963	0.263924
2022-06-30	1.166493e+06	-0.075970	0.167904
2022-07-29	1.178215e+06	0.010049	0.179640
2022-08-31	1.108764e+06	-0.058946	0.110105
2022-09-08	1.142635e+06	0.030548	0.144017

• A la fecha, la estrategia de inversión pasiva obtiene un rendimiento acumulado del $14.40\%$. Por lo que, tentativamente, este enfoque de replicación de resultados del NAFTRAC parece arrojar resultados satisfactorios para la inversión del millón de pesos.

# Visualization
fig3

4. Performance Metrics

---

4.1 Passive Investment

Por último, se presentan algunas métricas que hablan del desempeño de la estrategia de inversión pasiva en términos de rentabilidad y riesgo.

df_metrics

	descripción	inv_pasiva
rend_m	Rendimiento promedio mensual	0.00578712
rend_c	Rendimiento mensual acumulado	0.144017
sharpe	Sharpe ratio	0.102543

• Por el ratio de Sharpe, se concluye que la estrategia de inversión pasiva otorga $10\%$ de rentabilidad por cada unidad de riesgo (medida por la volatilidad o desviación estándar) que el inversionista está dispuesto a tolerar. Además, al final del periodo de prueba se obtiene una rentabilidad positiva, del $14.40\%$.

5. References

---

[1] Munnoz, 2020. Python project template. https://github.com/iffranciscome/python-project. (2021).